Orientador: Carlos Roberto Minussi / Resumo: Nesta pesquisa de doutorado, propõe-se o desenvolvimento de um sistema previsor de carga multinodal, via Redes Neurais Artificiais (RNAs). Trata-se da previsão que envolve vários pontos da rede elétrica, e.g., subestações de sistemas de distribuição, alimentadores, transformadores etc., bem como as barras dos sistemas de transmissão de grande porte. Na literatura especializada, há a prevalência de oferta de propostas visando à previsão da carga total (ou global) correspondente ao somatório de todo o consumo demandado no sistema, considerando-se um horizonte, por exemplo, 24 horas à frente. Nesta pesquisa, dar-se-á ênfase à previsão de carga multinodal. Visando realizar esta previsão, há necessidade de se dispor de um procedimento especializado que produza resultados que atendam os requisitos do setor elétrico (precisão desejada, confiabilidade e rapidez). Estes requisitos são os objetivos desta pesquisa, cujo modelo desenvolvido constitui-se num sistema neural inspirado na arquitetura neural da família ART (Adaptive Resonance Theory), mais especificamente, a RNA supervisionada ARTMAP-Fuzzy, a qual congrega a teoria da ressonância adaptativa e a teoria dos conjuntos fuzzy. O emprego da teoria dos conjuntos fuzzy confere, às RNAs da família ART, a aptidão de processar informações analógicas, binárias, assim como combinações dessas informações. A opção por esta RNA é em razão do seu atributo de ser estável e plástica. A estabilidade está associada à capacidade de produzir sempre... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: This research proposes to develop a multinodal load forecasting system by Artificial Neural Networks. This is a prediction for several points of the electrical network, e.g. distribution substations, feeders, transformers, etc., as well as busses of huge transmission systems. The literature offers proposals for total load forecasting (or global) corresponding to the sum of all demanded consumption considering a horizon of 24h ahead. This research emphasizes multinodal load forecasting. To perform this prediction, it is necessary to have a specialized procedure that provides results attending the requests of the electrical system (desired precision, reliability and velocity). These requests are the objective of this research, whose developed model is based on ART (Adaptive Resonance Theory) family, specifically the supervised Fuzzy ARTMAP neural network that uses the adaptive resonance theory and fuzzy logic theory. The option of this neural network is due to the attribute to be stable and plastic. The stability is associated to the capacity to produce always a solution. The plasticity (incremental training) is a propriety that is not observed in most of the neural network available on the literature. This is similar to what occurs with humans, as new information comes, the human being is more intelligent. Knowing the electrical load with precision and in advance is a primordial need. The studies about the operational modes of the system and the strategies used to attend conti... (Complete abstract click electronic access below) / Doutor